Update app.py

app.py

@@ -1,38 +1,27 @@
-import gradio as gr
-from gtts import gTTS
-from pydub import AudioSegment
-import os
-import uuid
+import gradio as gr from TTS.api import TTS from pydub import AudioSegment import tempfile import os
 
-def tts_dialogue_gtts(text, pause_ms=300):
-    lines = [l.strip() for l in text.split("\n") if l.strip()]
-    combined_audio = AudioSegment.silent(duration=0)
+def tts_dialogue_offline(text, voice_a='tts_models/fa/tacotron2-DDC', voice_b='tts_models/en/ljspeech/tacotron2-DDC', pause_ms=300): """ تولید فایل صوتی ترکیبی از گفت‌وگوی دو نفره فارسی با Coqui TTS (آفلاین). هر خط با A: یا B: شروع شود. :param text: متن گفت‌وگو :param voice_a: مدل صدای A (می‌تواند فارسی یا دلخواه باشد) :param voice_b: مدل صدای B :param pause_ms: فاصله بین دیالوگ‌ها به میلی‌ثانیه :return: مسیر فایل WAV ترکیبی """ tts_a = TTS(voice_a) tts_b = TTS(voice_b)
 
-    for line in lines:
-        speaker_text = line.split(":", 1)[-1].strip()
-        tts = gTTS(text=speaker_text, lang="fa")
-        tmp_filename = f"/tmp/{uuid.uuid4()}.mp3"
-        tts.save(tmp_filename)
-        segment = AudioSegment.from_mp3(tmp_filename)
-        combined_audio += segment + AudioSegment.silent(duration=pause_ms)
-        os.remove(tmp_filename)
+lines = [l.strip() for l in text.split("\n") if l.strip()]
+combined_audio = AudioSegment.silent(duration=0)
 
-    out_path = f"/tmp/{uuid.uuid4()}.wav"
-    combined_audio.export(out_path, format="wav")
-    return out_path
+for line in lines:
+    speaker_text = line.split(":", 1)[-1].strip()
+    tmp_file = tempfile.NamedTemporaryFile(delete=False, suffix=".wav")
+    if line.startswith("A:"):
+        tts_a.tts_to_file(text=speaker_text, file_path=tmp_file.name)
+    elif line.startswith("B:"):
+        tts_b.tts_to_file(text=speaker_text, file_path=tmp_file.name)
+    else:
+        tts_a.tts_to_file(text=speaker_text, file_path=tmp_file.name)
+    segment = AudioSegment.from_wav(tmp_file.name)
+    combined_audio += segment + AudioSegment.silent(duration=pause_ms)
+    os.remove(tmp_file.name)
 
-demo = gr.Interface(
-    fn=tts_dialogue_gtts,
-    inputs=[
-        gr.Textbox(label="متن گفت‌وگو (A و B)", lines=8,
-                   placeholder="A: سلام، خوبی؟\nB: ممنون، تو چطوری؟"),
-        gr.Slider(100, 1000, value=300, step=50,
-                  label="فاصله بین دیالوگ‌ها (میلی‌ثانیه)"),
-    ],
-    outputs=gr.Audio(label="فایل صوتی ترکیبی نهایی", type="filepath"),
-    title="🗣️ گفت‌وگوی دو نفره فارسی بدون API",
-    description="هر خط گفت‌وگو را با A: یا B: شروع کنید. خروجی ترکیبی با gTTS تولید می‌شود.",
-)
+out_path = tempfile.NamedTemporaryFile(delete=False, suffix=".wav").name
+combined_audio.export(out_path, format="wav")
+return out_path
 
-if __name__ == "__main__":
-    demo.launch()
+demo = gr.Interface( fn=tts_dialogue_offline, inputs=[ gr.Textbox(label="متن گفت‌وگو (A و B)", lines=8, placeholder="A: سلام، خوبی؟\nB: ممنون، تو چطوری؟"), gr.Slider(100, 1000, value=300, step=50, label="فاصله بین دیالوگ‌ها (میلی‌ثانیه)"), ], outputs=gr.Audio(label="فایل صوتی ترکیبی نهایی", type="filepath"), title="🗣️ گفت‌وگوی دو نفره فارسی آفلاین", description="هر خط گفت‌وگو را با A: یا B: شروع کنید. خروجی ترکیبی با مدل Coqui TTS تولید می‌شود.", )
+
+if name == "main": demo.launch()